Kontekst

Kontekst er al den baggrundsinformation du giver en AI sammen med opgaven: hvem du er, hvem modtageren er, hvad formålet er, og hvilket materiale den skal bygge på. Modellen kender ikke din virksomhed eller dine interne præferencer medmindre du fortæller dem, så bedre kontekst giver hurtigere brugbart output.

Sådan virker Kontekst i praksis

Kontekst svarer til den korte brief, du plejede at give en kollega eller en ekstern tekstforfatter. Hvis du skriver "Skriv et LinkedIn-opslag" uden at sige hvem det er til og hvorfor, får du et generisk opslag. Giv i stedet: målgruppe (fx potentielle kunder i B2B, CEO'er), mål (skabe leads, annoncere et webinar), tone (formel, uformel), og begrænsninger (max 150 ord, ingen teknisk jargon). Det ændrer ikke bare sproget, det ændrer hvad modellen vælger at fokusere på.

Kontekst kan også være konkrete filer: en gammel pressemeddelelse, en produktbeskrivelse eller en prisliste. Når du vedhæfter eller indtaster sådan baggrundsinformation, hjælper du modellen med at genbruge præcis den viden, I allerede har, i stedet for at finde på noget nyt.

Den hyppigste fejl: "Skriv et LinkedIn-opslag" uden kontekst

Mange beder om et opslag og bliver skuffede over resultatet. Typisk mangler følgende elementer: hvem er læseren, hvilken handling ønsker I, hvilken viden må modellen bruge, og hvad skal undgås. Uden disse pejlemærker får du et opslag, der er enten for teknisk, for salgsagtigt eller for vagt. Den korte vej til bedre output er ikke længere prompts, men bedre kontekst.

Ofte møder du også selvmodsigelser i konteksten: du skriver "professionel tone" og "legende" i samme prompt. Modellen vælger så en middelting. Det betyder, at du skal prioritere og vælge. Et kort kompromis løser det: placer de vigtigste krav først, og sig hvad der er ufravigeligt.

En kontekst-fattig prompt er som at sende en reklametekstforfatter en opgave om "en salgstekst" uden at fortælle produktnavn eller pris, det kan blive pænt, men ikke brugbart.

Eksempel: Kontekst hos en kommunikationsmedarbejder

En kommunikationsmedarbejder i en lokal rådgivervirksomhed sidder tirsdag morgen, tre dage før en kundeevent. Hun skal lave et LinkedIn-opslag, der inviterer eksisterende kunder til et gratis seminar. Der ligger en 12-siders PDF om seminarets emner, en gammel invitation fra sidste år og en kort persona-beskrivelse af målgruppen: økonomichefer i virksomheder med 50-250 ansatte. En kollega, der normalt godkender opslaget, er på kursus.

Første prompt var kort: "Skriv et opslag om vores seminar." Resultatet blev generisk og tog udgangspunkt i salgssprog fra tidligere materiale, som ikke passer til målgruppen. Hun brugte to timer på tre iterationer, tilføjede målgruppen, ønsket handling (tilmeldingslink), og en sætning fra PDF'en med et aktuelt case-eksempel. Efter den ekstra kontekst skrev modellen et opslag, der krævede én kort korrektur fra en anden kollega. Tid kostet: cirka to arbejdstimer ekstra, men arbejdet føltes langt mere kontrolleret, fordi opslaget matcher målgruppen og seminarets faktiske indhold.

Det mislykkedes først, fordi den nødvendige kontekst ikke var med, ikke fordi AI'en er dum. Det var menneskelige valg: hvem, hvorfor, og hvilken tekst fra materialet der er vigtigst.

Kontekst er ikke det samme som Kontekstvindue

Sæt ikke lighedstegn mellem ordet kontekst og det tekniske "kontekstvindue" (context window). Kontekst er den information du skriver eller kopierer ind. Kontekstvinduet er den modelbegrænsning, der bestemmer hvor meget tekst den kan forholde sig til ad gangen. Du skal fokusere på kvaliteten af din kontekst først: hvem, hvorfor, hvilket materiale. Når du rammer grænsen i kontekstvinduet, sorterer du og prioriterer, ikke ved at forenkle formålet, men ved at vælge de mest relevante dokumentuddrag.

Sådan kommer du i gang med at give bedre kontekst

1. Start altid med mål og modtager: skriv én sætning om hvem læseren er, og hvilken handling du ønsker.
2. Tilføj to faste rammer: ønsket tone og maksimum længde eller format.
3. Vedlæg eller kopier de vigtigste fakta: overskrift fra en PDF, pris, datoer, eller en kort persona.
4. Angiv hvad modellen må finde på, og hvad den ikke må (fx undgå juridiske udsagn).
5. Evaluer output hurtigt og indfør en regel: forbedr konteksten, ikke kun prompten, når resultatet er forkert.

Hvad du skal være opmærksom på

Vær varsom med at indsætte fortrolige personoplysninger i konteksten. Giv ikke følsomme kundeoplysninger, CPR-numre eller lønoplysninger til en model uden at kende fortrolighedspolitikken. For lange eller modstridende baggrundstekster gør det sværere for modellen at vælge fokus, så udvælg det mest relevante. Og husk: kontekst kan gøre output mere præcist, men det er ikke en garanti for rigtighed, faktatjek altid, især datoer, priser og juridiske formuleringer.

Skal der køre noget med kontekst hver dag og ikke kun i et forsøg, er det opgaven for et AI-team i huset.